CN111695479A - 基于图像减影技术的跌倒预警方法 - Google Patents
基于图像减影技术的跌倒预警方法 Download PDFInfo
- Publication number
- CN111695479A CN111695479A CN202010500755.3A CN202010500755A CN111695479A CN 111695479 A CN111695479 A CN 111695479A CN 202010500755 A CN202010500755 A CN 202010500755A CN 111695479 A CN111695479 A CN 111695479A
- Authority
- CN
- China
- Prior art keywords
- image
- subtraction
- frame
- window
- person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000011410 subtraction method Methods 0.000 claims abstract description 6
- 238000009432 framing Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 5
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像减影技术的跌倒预警方法，属于跌倒预警技术领域，以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围，通过减影技术对跌倒进行了实时快速的预警，避免了基于人工观察视频的种种不便、降低了对检测平台的计算力需求，并且在跌倒提示方面明确清晰，对跌倒的及时救助有着重要意义，在保证检测质量的情况下提升了检测效率，降低了对监测平台的配置需求。无需额外佩戴相应设备，降低了使用成本，对被检测者也更为舒适。
Description
技术领域
本发明涉及一种基于图像减影技术的跌倒预警方法，其属于跌倒预警技术领域。
背景技术
目前，跌倒对老年人、康复患者等特殊人群造成的伤害很大，如果未能及时发现，会产生非常严重的后果，甚至危及生命。尤其是随着社会老龄化趋势加速，越来越多的空巢老人走进社区或专业的养老院安度晚年，由于护工人手短缺，根本无法实时监测老年人的夜间起夜问题，导致意外跌倒而无法及时发现的事故频发，严重危机老年人的健康安全。传统的方法是在重点对象身上佩戴传感器，如专利号为：CN201620310127.8，专利名称为：老人跌倒检测系统，以及专利号为：CN200980135397.2，专利名称为：跌倒检测系统，这些方法普遍有着较好的性能，但是受到设备的限制，只能进行重点人群的监测，并且容易让佩戴者产生不适。
随着监控摄像头的普及以及图像处理技术的发展，使用视频数据进行跌到检测成为了一种可行的方案，并且已经有了相应的研究，如专利号为：CN201410125985.0，专利名称为：一种基于监控视频的实时摔倒事件检测方法以及专利号为：CN201910589503.X，专利名称为：一种基于视频关节点和混合分类器的跌倒检测方法，虽然这些方法具有一定的有效性，但是都相对复杂，对检测平台的运算能力有着较高的要求，不利于方法的普及。
为了提高预警精度，苏连成等人基于全向视觉系统，提出一种专利号为：CN104392201B，专利名称为：人体跌倒识别方法，以及专利号为：CN201410508093.9，专利名称为：一种基于全向视觉的人体跌倒识别方法。相比其它相关技术，该方法的优点是预警精度提高。但该发明是基于全向视觉采集系统，将原始图像展开为“柱面投影图”和“透视投影图”进行监测，提高了识别的精度并消除了监控盲点问题，但目前许多摄像设备并不都是全向视觉采集系统，因此该发明的适用范围受到限制。
现有技术虽然解决了部分技术问题，但仍存在受到设备的限制或是对检测平台性能有较高的要求，导致成本难以控制、使被检测者产生不适、方法复杂影响检测结果等问题，普及率不高，因此需要开发出一种不需要特殊设备且简单高效的预警方法以解决跌倒的问题。
发明内容
本发明针对上述现有技术中存在的不足，提供一种基于图像减影技术的跌倒预警方法。
本发明解决上述技术问题的技术方案如下：
一种基于图像减影技术的跌倒预警方法，包括以下步骤，
步骤一、以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围；
步骤二、如无人进入，则记录当前帧为背景帧、在输出视频中显示正常标记，并继续检测下一帧；
步骤三、如有人进入则保持原有记录的背景帧不变，进行步骤四；
步骤四、通过线检测方法，对减影中的目标进行检索，将目标位置框定；
步骤五、通过对目标的宽高分析，过滤大小与人不相符的异物，如宠物，若检测为人，则对其姿态进行判断；
步骤六、根据姿态判断结果以及主体的框定范围，在输出的视频中做相应标记并对工作人员进行不同等级的提示。
优选地，所述步骤一中的视频中当前画面获取为，采集视频当前帧的彩色图像，当前帧的图像减影检测的步骤为，
步骤a、将当前帧的彩色图转为灰度图片；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理，即二值化后的图像；
步骤d、检测二值化后的图像中白色像素的面积，若小于一定值，即当前帧较背景帧未发生明显变化，则记录当前帧为背景帧，跳转到步骤五，反之则表明视频中发生了明显变化，进入步骤六。
优选地，所述步骤四中基于线检测方法对减影中的目标进行检索的步骤为，步骤e、通过横向逐行扫描，确定图像中主体的起始行与终止行；
步骤f、通过垂直逐列扫描，确定图像中主体的起始列与终止列；
步骤g、将步骤e和步骤f结合确定，可以将主体框定在一个范围内，定义框定范围内垂直高度为目标的高h,水平宽度为目标的宽w。
优选地，所述步骤四中基于变窗口剔除图片中奇异物的步骤为，
步骤h、根据预设的第一个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中较大的噪声以及距离主体较远的小噪声；
步骤i、根据预设的第二个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中距离主体较近的小噪声。
优选地，所述步骤四中基于基于宽度和高度分析的判定的步骤为，
步骤j、根据宽度和高度可以通过所占面积S＝h*w，过滤大小与人不相符的异物，如宠物，如判定目标为异物，跳转到步骤五；
步骤k、如识别到目标为人，则根据其框定范围的宽高比P＝s/w，进行站立判断，当识别到有人走入，且P值较小，即宽度明显小于高度，则判定为站立姿态，反之若P值较大，即宽度明显大于高度，则判定为跌倒姿态。
优选地，所述步骤六中基于在输出的视频中做相应标记并对工作人员进行不同等级的提示的步骤为，
步骤l、背景值未发生太大变化或识别为异物，在当前帧的左上角添加绿色的“无人”字样；
步骤m、识别为有人，且为站立姿态，根据步骤五的框定范围以及步骤六的姿态判定，使用黄框在原图像中对其进行标记，以及左上角显示黄色的“有人进入”字样，便于工作人员观察人物所在位置；
步骤n、识别为有人，且为跌倒姿态，使用红框在原图像中对其进行标记，以及左上角显示红色的“有人跌倒”字样，并使监控计算机发出蜂鸣声以提醒工作人员注意观察。
与现有技术相比，本发明的有益效果是：本发明以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围，通过减影技术对跌倒进行了实时快速的预警，避免了基于人工观察视频的种种不便、降低了对检测平台的计算力需求，并且在跌倒提示方面明确清晰，对跌倒的及时救助有着重要意义，市场前景广阔。在保证检测质量的情况下提升了检测效率，降低了对监测平台的配置需求。无需额外佩戴相应设备，降低了使用成本，对被检测者也更为舒适。
附图说明
图1为本发明的执行流程图。
图2为本发明的无人进入监控范围灰度图。
图3为本发明的无人进入监控范围减影后二值化图像。
图4为本发明的无人进入监控范围显示图。
图5为本发明的有人走入监控范围灰度图。
图6为本发明的有人走入监控范围减影图。
图7为本发明的有人走入监控范围二值图。
图8为本发明的有人跌倒灰度图。
图9为本发明的有人跌倒减影图。
图10为本发明的有人跌倒二值图片图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
一种基于图像减影技术的跌倒预警方法，包括以下步骤，
步骤一、以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围；
步骤二、如无人进入，则记录当前帧为背景帧、在输出视频中显示正常标记，并继续检测下一帧；
步骤三、如有人进入则保持原有记录的背景帧不变，进行步骤四；
步骤四、通过线检测方法，对减影中的目标进行检索，将目标位置框定；
步骤五、通过对目标的宽高分析，过滤大小与人不相符的异物，如宠物，若检测为人，则对其姿态进行判断；
步骤六、根据姿态判断结果以及主体的框定范围，在输出的视频中做相应标记并对工作人员进行不同等级的提示。
所述步骤一中的视频中当前画面获取为，采集视频当前帧的彩色图像，当前帧的图像减影检测的步骤为，
步骤a、将当前帧的彩色图转为灰度图片；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理，即二值化后的图像；
步骤d、检测二值化后的图像中白色像素的面积，若小于一定值，即当前帧较背景帧未发生明显变化，则记录当前帧为背景帧，跳转到步骤五，反之则表明视频中发生了明显变化，进入步骤六。
所述步骤四中基于线检测方法对减影中的目标进行检索的步骤为，
步骤e、通过横向逐行扫描，确定图像中主体的起始行与终止行；
步骤f、通过垂直逐列扫描，确定图像中主体的起始列与终止列；
步骤g、将步骤e和步骤f结合确定，可以将主体框定在一个范围内，定义框定范围内垂直高度为目标的高h,水平宽度为目标的宽w。
所述步骤四中基于变窗口剔除图片中奇异物的步骤为，
步骤h、根据预设的第一个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中较大的噪声以及距离主体较远的小噪声；
步骤i、根据预设的第二个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中距离主体较近的小噪声。
所述步骤四中基于基于宽度和高度分析的判定的步骤为，
步骤j、根据宽度和高度可以通过所占面积S＝h*w，过滤大小与人不相符的异物，如宠物，如判定目标为异物，跳转到步骤五；
步骤k、如识别到目标为人，则根据其框定范围的宽高比P＝s/w，进行站立判断，当识别到有人走入，且P值较小，即宽度明显小于高度，则判定为站立姿态，反之若P值较大，即宽度明显大于高度，则判定为跌倒姿态。
所述步骤六中基于在输出的视频中做相应标记并对工作人员进行不同等级的提示的步骤为，
步骤l、背景值未发生太大变化或识别为异物，在当前帧的左上角添加绿色的“无人”字样；
步骤m、识别为有人，且为站立姿态，根据步骤五的框定范围以及步骤六的姿态判定，使用黄框在原图像中对其进行标记，以及左上角显示黄色的“有人进入”字样，便于工作人员观察人物所在位置；
步骤n、识别为有人，且为跌倒姿态，使用红框在原图像中对其进行标记，以及左上角显示红色的“有人跌倒”字样，并使监控计算机发出蜂鸣声以提醒工作人员注意观察。
实施例1：监控范围内无明显变化
如图1所示，以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围；
步骤a、将当前帧的彩色图转为灰度图片，如图2；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理，如图3，可以看到当无明显变化时，二值图像几乎全为黑色；
步骤d、检测二值化后的图像中白色像素的面积进行判定，此时由于无人进入背景区域，则白色像素面积小，判定为无人进入，将当前帧记为背景帧，图像的标记与显示：在当前帧的左上角添加绿色的“无人”字样，并进行视频下一帧的检测，如图4。
实施例2：有人走入监控范围
步骤a、将当前帧的彩色图转为灰度图片，如图5；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理，如图6，可以看到有人进入时，二值图像出现了一些轮廓；
步骤d、检测二值化后的图像中白色像素的面积比你进行判定，此时由于白色像素面积较大，判定为有人进入，如图7，进入步骤六。
所述步骤四中基于线检测方法对减影中的目标进行检索的步骤为，
步骤e、通过横向逐行扫描，确定图像中主体的起始行与终止行；
步骤f、通过垂直逐列扫描，确定图像中主体的起始列与终止列；
步骤g、将步骤e和步骤f结合确定，可以将主体框定在一个范围内，定义框定范围内垂直高度为目标的高h,水平宽度为目标的宽w。
所述步骤四中基于基于宽度和高度分析的判定的步骤为，
步骤j、根据宽度和高度可以通过所占面积S＝h*w，过滤大小与人不相符的异物，如宠物猫、狗等；
步骤k、如识别到目标为人，则根据其框定范围的宽高比P＝s/w，进行站立判断，当识别到有人走入，且P值较小，即宽度明显小于高度，则判定为站立姿态。
步骤m、识别为有人，且为站立姿态，根据步骤五的框定范围以及步骤六的姿态判定，使用黄框在原图像中对其进行标记，以及左上角显示黄色的“有人进入”字样，便于工作人员观察人物所在位置，并进行下一帧的判断。
实施例3：有人走入监控范围并摔倒
图8-图10如图所示，步骤a、将当前帧的彩色图转为灰度图片，如图8；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理；
步骤d、检测二值化后的图像中白色像素的面积比你进行判定，此时由于白色像素面积较大，判定为有人进入，如图7，进入步骤六。
所述步骤四中基于线检测方法对减影中的目标进行检索的步骤为，
步骤e、通过横向逐行扫描，确定图像中主体的起始行与终止行；
步骤f、通过垂直逐列扫描，确定图像中主体的起始列与终止列；
步骤g、将步骤e和步骤f结合确定，可以将主体框定在一个范围内，定义框定范围内垂直高度为目标的高h,水平宽度为目标的宽w。
所述步骤四中基于基于宽度和高度分析的判定的步骤为，
步骤j、根据宽度和高度可以通过所占面积S＝h*w，过滤大小与人不相符的异物，如宠物猫、狗等；
步骤k、如识别到目标为人，则根据其框定范围的宽高比P＝s/w，进行站立判断，在本例中有人跌倒，P较大，即宽度等于或大于高度，则判定为跌倒姿态。
根据框定范围以及姿态判定，使用不同等级的提醒，在本例中，由于目标处于跌倒姿态，使用红框在原图像中对其进行标记，以及左上角显示红色的“有人跌倒”字样，并使监控计算机发出蜂鸣声以提醒工作人员，并进行下一帧的判断。
本申请与基于全向视觉的人体跌倒识别方法的专利相比，本申请基于图像减影技术的跌倒预警方法的区别在于：适用范围不同：前者只适用于全向视觉系统，本发明适用于任何图像采集系统，拓展了适用范围。处理的对象不同。前者将原始图像分解为两个图像，即柱状投影图和透视投影图，分别进行处理；本发明直接利用原始图像进行处理。人体轮廓检测方法不同。前者采用连通区域标记技术确定人体轮廓，本发明采用的是剪影后的背景去除技术确定人体轮廓。跌倒的判别规则不同，前者跌倒的判定是基于多帧判别，本发明直接基于相邻帧进行判别。
通过减影技术作为一种低运算力需求的图像处理方法，配合其他的图像处理手段，在实践中同样能够较好地使用视频数据进行跌倒检测，有效的解决了传统的监测预警方法会导致检测成本高，不利于方法的推广的问题，可以使用现有的摄像头数据进行跌倒的预警，降低了设备的购置成本，有效的解决了被监测人员与设备的接触性，减少了测量设备的物理损耗，同时降低了长期使用的成本，增加了用户的舒适感。通过减影技术对跌倒进行了实时快速的预警，避免了基于人工观察视频的种种不便、降低了对检测平台的计算力需求，并且在跌倒提示方面明确清晰，对跌倒的及时救助有着重要意义，市场前景广阔。在保证检测质量的情况下提升了检测效率，降低了对监测平台的配置需求。无需额外佩戴相应设备，降低了使用成本，对被检测者也更为舒适。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于图像减影技术的跌倒预警方法，其特征在于：包括以下步骤，
步骤一、以摄像头的实时视频数据为检测对象，对于视频中当前画面的每一帧，通过减影方法，将当前帧与背景帧进行差值分析，即根据减影后的图像情况，判断是否有人进入拍摄范围；
步骤二、如无人进入，则记录当前帧为背景帧、在输出视频中显示正常标记，并继续检测下一帧；
步骤三、如有人进入则保持原有记录的背景帧不变，进行步骤四；
步骤四、通过线检测方法，对减影中的目标进行检索，将目标位置框定；
步骤五、通过对目标的宽高分析，过滤大小与人不相符的异物，如宠物，若检测为人，则对其姿态进行判断；
步骤六、根据姿态判断结果以及主体的框定范围，在输出的视频中做相应标记并对工作人员进行不同等级的提示。
2.根据权利要求1所述的基于图像减影技术的跌倒预警方法，其特征在于：所述步骤一中的视频中当前画面获取为，采集视频当前帧的彩色图像，当前帧的图像减影检测的步骤为，
步骤a、将当前帧的彩色图转为灰度图片；
步骤b、将当前帧与背景帧中的每个像素点的亮度值进行相减，即减影得到的图片；
步骤c、通过阈值过滤，对减影得到的图片中亮度值大于阈值的像素置为1，颜色为白色，反之置为0，颜色为黑色，以进行背景去除以及二值化处理，即二值化后的图像；
步骤d、检测二值化后的图像中白色像素的面积，若小于一定值，即当前帧较背景帧未发生明显变化，则记录当前帧为背景帧，跳转到步骤五，反之则表明视频中发生了明显变化，进入步骤六。
3.根据权利要求1所述的基于图像减影技术的跌倒预警方法，其特征在于：所述步骤四中基于线检测方法对减影中的目标进行检索的步骤为，
步骤e、通过横向逐行扫描，确定图像中主体的起始行与终止行；
步骤f、通过垂直逐列扫描，确定图像中主体的起始列与终止列；
步骤g、将步骤e和步骤f结合确定，可以将主体框定在一个范围内，定义框定范围内垂直高度为目标的高h,水平宽度为目标的宽w。
4.根据权利要求1所述的基于图像减影技术的跌倒预警方法，其特征在于：所述步骤四中基于变窗口剔除图片中奇异物的步骤为，
步骤h、根据预设的第一个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中较大的噪声以及距离主体较远的小噪声；
步骤i、根据预设的第二个窗口大小，对于图像中的每一个白点，以其为中心创建一个窗口，统计窗口中的白点个数，如小于一定比例，则将该窗口中的内容视为噪声，全部变成黑点，反之，则保留，此举目标为去除图像中距离主体较近的小噪声。
5.根据权利要求4所述的基于图像减影技术的跌倒预警方法，其特征在于：所述步骤四中基于基于宽度和高度分析的判定的步骤为，
步骤j、根据宽度和高度可以通过所占面积S＝h*w，过滤大小与人不相符的异物，如宠物，如判定目标为异物，跳转到步骤五；
步骤k、如识别到目标为人，则根据其框定范围的宽高比P＝s/w，进行站立判断，当识别到有人走入，且P值较小，即宽度明显小于高度，则判定为站立姿态，反之若P值较大，即宽度明显大于高度，则判定为跌倒姿态。
6.根据权利要求1所述的基于图像减影技术的跌倒预警方法，其特征在于：所述步骤六中基于在输出的视频中做相应标记并对工作人员进行不同等级的提示的步骤为，
步骤l、背景值未发生太大变化或识别为异物，在当前帧的左上角添加绿色的“无人”字样；
步骤m、识别为有人，且为站立姿态，根据步骤五的框定范围以及步骤六的姿态判定，使用黄框在原图像中对其进行标记，以及左上角显示黄色的“有人进入”字样，便于工作人员观察人物所在位置；
步骤n、识别为有人，且为跌倒姿态，使用红框在原图像中对其进行标记，以及左上角显示红色的“有人跌倒”字样，并使监控计算机发出蜂鸣声以提醒工作人员注意观察。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010500755.3A CN111695479A (zh) | 2020-06-04 | 2020-06-04 | 基于图像减影技术的跌倒预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010500755.3A CN111695479A (zh) | 2020-06-04 | 2020-06-04 | 基于图像减影技术的跌倒预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111695479A true CN111695479A (zh) | 2020-09-22 |
Family
ID=72478936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010500755.3A Withdrawn CN111695479A (zh) | 2020-06-04 | 2020-06-04 | 基于图像减影技术的跌倒预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111695479A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112797638A (zh) * | 2020-12-25 | 2021-05-14 | 青岛经济技术开发区海尔热水器有限公司 | 一种热水器及热水器的控制方法 |
| CN118097551A (zh) * | 2024-02-29 | 2024-05-28 | 上海天齐智能建筑股份有限公司 | 一种基于机器视觉的安防监控系统及方法 |
-
2020
- 2020-06-04 CN CN202010500755.3A patent/CN111695479A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112797638A (zh) * | 2020-12-25 | 2021-05-14 | 青岛经济技术开发区海尔热水器有限公司 | 一种热水器及热水器的控制方法 |
| CN118097551A (zh) * | 2024-02-29 | 2024-05-28 | 上海天齐智能建筑股份有限公司 | 一种基于机器视觉的安防监控系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110477925B (zh) | 一种针对敬老院老人的跌倒检测与预警方法及系统 | |
| CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
| CN106295551A (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
| CN110569772B (zh) | 一种泳池内人员状态检测方法 | |
| CN111626203B (zh) | 一种基于机器学习的铁路异物识别方法及系统 | |
| CN112489368A (zh) | 智能跌倒识别与检测报警方法及系统 | |
| CN111275910B (zh) | 一种基于高斯混合模型的扶梯越界行为检测方法及系统 | |
| CN108647619A (zh) | 一种基于深度学习的视频中安全帽佩戴的检测方法及装置 | |
| CN111401310B (zh) | 基于人工智能的厨房卫生安全监督管理方法 | |
| CN111695479A (zh) | 基于图像减影技术的跌倒预警方法 | |
| CN107368786B (zh) | 一种基于机器视觉的乘客越过扶手带检测方法 | |
| CN112163477B (zh) | 一种基于Faster R-CNN的扶梯行人位姿目标检测方法及系统 | |
| CN111783702A (zh) | 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法 | |
| CN111382719A (zh) | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 | |
| CN114333047A (zh) | 一种基于双光感知信息融合的人体摔倒检测装置与方法 | |
| CN111144174A (zh) | 利用神经网络与传统算法识别视频中老人跌倒行为的系统 | |
| CN114913323B (zh) | 一种充电桩区域夜间明火检测方法 | |
| CN113506416A (zh) | 一种基于智能视觉分析的工程异常预警方法及系统 | |
| CN112818953A (zh) | 口罩佩戴状态识别方法、装置、设备及可读存储介质 | |
| CN107247934A (zh) | 一种基于快速特征点定位的全天候哈欠检测方法及系统 | |
| CN113989711A (zh) | 一种配电施工安全工器具使用识别方法及系统 | |
| CN115410114A (zh) | 一种基于多特征的城轨防汛预警方法及系统 | |
| CN108737785A (zh) | 基于tof 3d摄像机的室内跌倒自动检测系统 | |
| CN113095247B (zh) | 基于视频监控技术的旅游景点游客安全实时在线监测管理系统 | |
| CN117132949B (zh) | 一种基于深度学习的全天候跌倒检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200922 |
|
| WW01 | Invention patent application withdrawn after publication |